一种基于深度学习的遥感图像分类及农田识别方法

摘要：

为解决便于发现我国基本农田被非法侵占的问题,针对现有神经网络收敛速度慢、识别准确率不高的缺点,提出一种基于卷积神经网络的遥感图像农田分类及识别方法.该算法使用较大的卷积核,有效地提取梯度信息;设计深度为6层的卷积神经网络,提高了网络的分类效果,且大大降低了网络的训练次数.实验结果表明,利用该识别模型对农田、建筑、荒漠以及植被的识别准确率达到98.15％,比经典AlexNet网络模型提高了6.1％;训练网络所需的迭代次数由1.49×106次左右降低到4 500次.因此,与经典AlexNet网络相比,改进的AlexNet网络用于遥感图像分类和目标图像识别,耗时更短、识别准确率更高.

关键词：遥感图像分类、农田识别、深度学习、卷积神经网络、识别模型、网络训练

所属期刊栏目：42

分类号：TN911.73-34;TP391

资助基金：江苏省自然科学青年基金项目BK20141004;国家自然科学青年基金项目11504176;国家自然科学青年基金项目61601230;江苏高校优势学科建设工程资助项目

在线出版日期：2019-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：179-182,186